Introduction à R et à dplyr, Games Of Thrones

Dans ce TP nous allons pratiquer un peu de R, en explorant les données de la série Game of thrones avec la librairie dplyr. Les données utilisées ont été collectées par Jeffrey Lancaster et sont issues de ce projet.

Exercise 1 : importer les données et visualiser leurs structures

1

Importer les fichiers characters.csv, episodes.csv, scenes.csv et appearances.csv du répertoire data et les tocker dans des variables de mêmes nom.

Indices

Use readr::read_csv().

Solution

library(readr)
characters = read_csv("data/characters.csv")
episodes = read_csv("data/episodes.csv")
scenes = read_csv("data/scenes.csv")
appearances = read_csv("data/appearances.csv")

2

regarder la taille de la data.frame appearences, observer les variables communes aux tables scenes et appearences. Uiliser les fonctions str et summary sur les différentes table pour bien comprendre leurs strcutures et leurs relations.

Indices

Utiliser nrow, ncol ou dim pour connaitres les dimensions des data.frame. Utiliser la fonction names pour connaitres le noms des colones et le l’opérateur in.

Solution

dim(appearances)

[1] 12114     2

appearances_cols= names(appearances) 
appearances_cols[appearances_cols %in% names(scenes)]

[1] "sceneId"

summary(characters)

     name               sex               house             killedBy        
 Length:587         Length:587         Length:587         Length:587        
 Class :character   Class :character   Class :character   Class :character  
 Mode  :character   Mode  :character   Mode  :character   Mode  :character  
    image          
 Length:587        
 Class :character  
 Mode  :character  

str(characters)

Classes 'spec_tbl_df', 'tbl_df', 'tbl' and 'data.frame':    587 obs. of  5 variables:
 $ name    : chr  "Addam Marbrand" "Adrack Humble" "Aeron Greyjoy" "Aerys Targaryen" ...
 $ sex     : chr  "male" "male" "male" "male" ...
 $ house   : chr  NA NA "Greyjoy" NA ...
 $ killedBy: chr  NA NA NA NA ...
 $ image   : chr  NA NA "https://images-na.ssl-images-amazon.com/images/M/MV5BNzI5MDg0ZDAtN2Y2ZC00MzU1LTgyYjQtNTBjYjEzODczZDVhXkEyXkFqcG"| __truncated__ NA ...
 - attr(*, "spec")=
  .. cols(
  ..   name = col_character(),
  ..   sex = col_character(),
  ..   house = col_character(),
  ..   killedBy = col_character(),
  ..   image = col_character()
  .. )

Exercise 2 : commandes R de bases

1

Servez vous de la table scenes pour calculer le nombre de personnages morts dans l’ensemble de la série.

Indices

Utiliser l’opérateur $ et la fonction sum.

Solution

sum(scenes$nbdeath)

[1] 376

2

Servez vous de la table characters pour trouver les 5 plus grand meutriers de la série.

Indices

Utiliser les fonction table et sort.

Solution

sort(table(characters$killedBy),decreasing = TRUE)[1:5]

          Jon Snow Daenerys Targaryen         Arya Stark     Sandor Clegane 
                12                 11                 10                  9 
  Cersei Lannister 
                 7 

3

Trouvez la durée de la scène la plus longue et l’id de l’episode.

Indices

Utiliser la fonction which.max .

Solution

scenes[which.max(scenes$duration),]

# A tibble: 1 x 9
  sceneStart sceneEnd location    subLocation     episodeId duration   nbc sceneId nbdeath
  <time>     <time>   <chr>       <chr>               <dbl>    <dbl> <dbl>   <dbl>   <dbl>
1 45'58"     56'59"   The Crownl… Outside King's…        73      661    18    3795       0

Exercise 3 : dplyr

1

Trouvez la durée de la scène la plus longue et l’id de l’episode en utilisant dplyr cette fois.

Indices

Utiliser les fonctions arrange et head.

Solution

library(dplyr)
scenes %>% arrange(desc(duration)) %>% head(1)

# A tibble: 1 x 9
  sceneStart sceneEnd location    subLocation     episodeId duration   nbc sceneId nbdeath
  <time>     <time>   <chr>       <chr>               <dbl>    <dbl> <dbl>   <dbl>   <dbl>
1 45'58"     56'59"   The Crownl… Outside King's…        73      661    18    3795       0

2

Trouvez les personnages de la scenes la plus longue.

Indices

Utiliser la fonction left_join pour faire une jointure.

Solution

scenes %>% arrange(desc(duration)) %>% head(1) %>% left_join(appearances)

# A tibble: 18 x 10
   sceneStart sceneEnd location subLocation episodeId duration   nbc sceneId nbdeath name 
   <time>     <time>   <chr>    <chr>           <dbl>    <dbl> <dbl>   <dbl>   <dbl> <chr>
 1 45'58"     56'59"   The Cro… Outside Ki…        73      661    18    3795       0 Tyri…
 2 45'58"     56'59"   The Cro… Outside Ki…        73      661    18    3795       0 Grey…
 3 45'58"     56'59"   The Cro… Outside Ki…        73      661    18    3795       0 Samw…
 4 45'58"     56'59"   The Cro… Outside Ki…        73      661    18    3795       0 Edmu…
 5 45'58"     56'59"   The Cro… Outside Ki…        73      661    18    3795       0 Arya…
 6 45'58"     56'59"   The Cro… Outside Ki…        73      661    18    3795       0 Bran…
 7 45'58"     56'59"   The Cro… Outside Ki…        73      661    18    3795       0 Sans…
 8 45'58"     56'59"   The Cro… Outside Ki…        73      661    18    3795       0 Brie…
 9 45'58"     56'59"   The Cro… Outside Ki…        73      661    18    3795       0 Davo…
10 45'58"     56'59"   The Cro… Outside Ki…        73      661    18    3795       0 Gend…
11 45'58"     56'59"   The Cro… Outside Ki…        73      661    18    3795       0 Yara…
12 45'58"     56'59"   The Cro… Outside Ki…        73      661    18    3795       0 Robi…
13 45'58"     56'59"   The Cro… Outside Ki…        73      661    18    3795       0 Yohn…
14 45'58"     56'59"   The Cro… Outside Ki…        73      661    18    3795       0 Dorn…
15 45'58"     56'59"   The Cro… Outside Ki…        73      661    18    3795       0 Lord…
16 45'58"     56'59"   The Cro… Outside Ki…        73      661    18    3795       0 Lord…
17 45'58"     56'59"   The Cro… Outside Ki…        73      661    18    3795       0 Lord…
18 45'58"     56'59"   The Cro… Outside Ki…        73      661    18    3795       0 Lord…

3

Trouvez le lieux le plus visités en nombre de scènes.

Indices

Utiliser les fonctions group_by et summarize pour faire une aggrégation.

Solution

scenes %>% group_by(location) %>% summarise(nbsc = n()) %>% arrange(desc(nbsc))

# A tibble: 26 x 2
   location           nbsc
   <chr>             <int>
 1 The Crownlands     1252
 2 The North           888
 3 North of the Wall   342
 4 The Wall            309
 5 The Riverlands      301
 6 Meereen             168
 7 Braavos             103
 8 The Vale             54
 9 Dorne                49
10 The Reach            40
# … with 16 more rows

4

Trouvez le nombre de scènes à se passant à Port Real.

Indices

Utiliser la fonction filter.

Solution

scenes %>% filter(location=="Port Real") %>% group_by(location) %>% summarise(nbsc = n())

# A tibble: 0 x 2
# … with 2 variables: location <chr>, nbsc <int>

5

Trouvez le lieux précis ou le plus de personages meurent ?

Indices

Utiliser la fonction sum lors de l’aggrégation et la variable subLocation.

Solution

scenes %>% group_by(subLocation) %>% summarise(nbd=sum(nbdeath)) %>% arrange(desc(nbd))

# A tibble: 97 x 2
   subLocation          nbd
   <chr>              <dbl>
 1 King's Landing        74
 2 Winterfell            60
 3 <NA>                  51
 4 Castle Black          41
 5 The Twins             12
 6 The Haunted Forest     9
 7 The Wall               9
 8 Craster's Keep         8
 9 The Wolfswood          8
10 Dragonstone            6
# … with 87 more rows

6

Trouvez l’épisode ou Jon Snow est le plus longtemps visible.

Indices

Utiliser la fonction sum lors de l’aggrégation et faites des jointures pour pouvoir aggréger à l’échelle de l’épisode.

Solution

jsnow = appearances %>%filter(name=="Jon Snow") %>% 
  left_join(scenes) %>% left_join(episodes) %>% 
  group_by(name,episodeId,episodeTitle) %>% summarise(screenTime=sum(duration)) %>% 
  arrange(desc(screenTime)) %>% head(1)

7

Combien de personnages passent plus de 30 minutes à l’ecran sur l’ensemble des saisons ?

Solution

appearances %>% left_join(scenes)  %>% group_by(name) %>% summarise(screenTime=sum(duration)) %>% 
  filter(screenTime>30*60) %>% nrow()

[1] 98

8

Quels sont les deux peronnages qui passent le plus de scènes ensembles ?

Indices

Faites une jointure de la table appearances avec elle même sur la colonne sceneId.

Solution

appearances %>% left_join(appearances,by=c("sceneId"="sceneId")) %>% 
  filter(name.x!=name.y) %>% 
  group_by(name.x,name.y) %>% 
  summarise(nbs=n()) %>% 
  arrange(desc(nbs))

# A tibble: 8,472 x 3
# Groups:   name.x [576]
   name.x             name.y               nbs
   <chr>              <chr>              <int>
 1 Daenerys Targaryen Drogon               172
 2 Drogon             Daenerys Targaryen   172
 3 Daenerys Targaryen Jorah Mormont        148
 4 Jorah Mormont      Daenerys Targaryen   148
 5 Jon Snow           Tormund Giantsbane   145
 6 Tormund Giantsbane Jon Snow             145
 7 Lord Varys         Tyrion Lannister     141
 8 Tyrion Lannister   Lord Varys           141
 9 Davos Seaworth     Jon Snow             136
10 Jon Snow           Davos Seaworth       136
# … with 8,462 more rows

9

Quels sont les deux peronnages qui passent le plus de temps ensembles ?

Indices

Faites une jointure de la table appearances avec elle même sur la colonne sceneId, puis une jointure avec la data.frame scenes.

Solution

appearances %>% left_join(appearances,by=c("sceneId"="sceneId")) %>% 
  filter(name.x!=name.y) %>% 
  left_join(scenes %>% select(sceneId,duration)) %>%
  group_by(name.x,name.y) %>% 
  summarise(commonTime=sum(duration)) %>% 
  arrange(desc(commonTime))

# A tibble: 8,472 x 3
# Groups:   name.x [576]
   name.x             name.y             commonTime
   <chr>              <chr>                   <dbl>
 1 Daenerys Targaryen Jorah Mormont           12923
 2 Jorah Mormont      Daenerys Targaryen      12923
 3 Lord Varys         Tyrion Lannister        10764
 4 Tyrion Lannister   Lord Varys              10764
 5 Davos Seaworth     Jon Snow                10380
 6 Jon Snow           Davos Seaworth          10380
 7 Daenerys Targaryen Missandei                9924
 8 Missandei          Daenerys Targaryen       9924
 9 Jon Snow           Tormund Giantsbane       9352
10 Tormund Giantsbane Jon Snow                 9352
# … with 8,462 more rows

Exercise 4 : ggplot

1

Créer une table jstime contenant pour chaque épisode le temps de présence à l’écran de Jon Snow puis reproduire ce graphique :

Indices

Uilisez geom_bar mais spécifiez qu’aucune aggrégation ne doit être faites avec l’option stat='identity'

Solution

library(ggplot2)
jstime = appearances %>% filter(name=="Jon Snow") %>% 
  left_join(scenes) %>% 
  group_by(episodeId) %>% 
  summarise(time=sum(duration))
ggplot(jstime) + 
  geom_bar(aes(x=episodeId,y=time),stat='identity')+
  theme_bw()+
  xlab("épisode")+ylab("temps")+
  ggtitle("Temps de présence par épisode de John Snow")

1

Créer une table jstime contenant pour chaque épisode le temps de présence à l’écran de Jon Snow puis reproduire ce graphique :

---

---

reproducibility

sessionInfo()

R version 3.6.3 (2020-02-29)
Platform: x86_64-pc-linux-gnu (64-bit)
Running under: Ubuntu 18.04.4 LTS

Matrix products: default
BLAS:   /usr/lib/x86_64-linux-gnu/blas/libblas.so.3.7.1
LAPACK: /usr/lib/x86_64-linux-gnu/lapack/liblapack.so.3.7.1

locale:
 [1] LC_CTYPE=fr_FR.UTF-8       LC_NUMERIC=C               LC_TIME=fr_FR.UTF-8       
 [4] LC_COLLATE=fr_FR.UTF-8     LC_MONETARY=fr_FR.UTF-8    LC_MESSAGES=fr_FR.UTF-8   
 [7] LC_PAPER=fr_FR.UTF-8       LC_NAME=C                  LC_ADDRESS=C              
[10] LC_TELEPHONE=C             LC_MEASUREMENT=fr_FR.UTF-8 LC_IDENTIFICATION=C       

attached base packages:
[1] stats     graphics  grDevices utils     datasets  methods   base     

other attached packages:
[1] ggplot2_3.3.0 dplyr_1.0.0   readr_1.3.1   knitr_1.29   

loaded via a namespace (and not attached):
 [1] Rcpp_1.0.5         RColorBrewer_1.1-2 pillar_1.4.3       compiler_3.6.3    
 [5] unilur_0.4.0.9000  tools_3.6.3        digest_0.6.25      evaluate_0.14     
 [9] tibble_2.1.3       lifecycle_0.2.0    gtable_0.3.0       pkgconfig_2.0.3   
[13] rlang_0.4.7        cli_2.0.2          yaml_2.2.1         xfun_0.17         
[17] withr_2.2.0        stringr_1.4.0      generics_0.0.2     vctrs_0.3.2       
[21] hms_0.5.3          grid_3.6.3         tidyselect_1.1.0   glue_1.4.2        
[25] R6_2.4.1           fansi_0.4.1        rmarkdown_2.3      farver_2.0.3      
[29] purrr_0.3.4        magrittr_1.5       scales_1.1.0       htmltools_0.5.0   
[33] ellipsis_0.3.0     assertthat_0.2.1   colorspace_1.4-1   labeling_0.3      
[37] utf8_1.1.4         stringi_1.5.3      munsell_0.5.0      crayon_1.3.4